خلاصة:
زنجیرههای تأمین پایدار به دنبال ایجاد تعادل بین اهداف اقتصادی، زیستمحیطی و اجتماعی هستند. شرکتها نیز بهمنظور کاهش هزینهها و افزایش کارایی زنجیره تأمین مجبور به استفاده از زنجیره تأمین حلقهبسته هستند. درنظرگرفتن ریسک در زنجیرههای تأمین بهخصوص زنجیرههای تأمین بازگشتی یکی از موضوعهایی است که مطالعات زیادی در خصوص آن انجام نشده است؛ بنابراین در این پژوهش به مکانیابی اجزای یک زنجیره تأمین سههدفه، حلقهبسته پایدار، چندکالایی، چنددورهای با درنظرگرفتن عدمقطعیت و سناریوهای بازار برای با رویکرد ریسک پرداخته میشود. نوآوریهای پژوهش عبارتاند از: درنظرگرفتن ریسک در زنجیره تأمین حلقهبسته پایدار بهعنوان بخشی از تابع هدف؛ درنظرگرفتن عدمقطعیت تقاضا در زنجیره تأمین با استفاده از سناریوهای تعریفشده؛ توجه به کیفیت محصولات بازگشتی؛ چنددورهایبودن و چندمحصولیبودن مدل و سفارشیکردن مدل پیشنهادی برای یک مطالعه موردی واقعی. با توجه به NP-Hard بودن مسئله، مدل پیشنهادی با استفاده از رویکرد فراابتکاری ژنتیک رتبهبندی نامغلوب NSGA-II حل شده است. تحلیل حساسیت بر روی پارامترهای مسئله انجام شده است و کارایی روشهای موردمطالعه بررسی شدهاند. میانگین نقاط پارتو حاصل از تابع هدف اول برابر 9/56789، میانگین نقاط پارتو برای تابع هدف دوم برابر 8/1828و برای تابع هدف سوم برابر 32/77365 و همچنین میانگین زمان حل مدل برابر 9/15 ثانیه است.
The main objective of sustainable supply chain is to balance the economic, environmental, and social goals that companies have to use closed-loop supply chains for cost reduction and increasing the efficiency of the supply chain. According to the research literature, considering the risk in supply chains, especially the return supply chain, is one of the topics that has been little studied. Therefore, the aim of this study is to locate the components of a three-objective, sustainable closed-loop, multi-commodity, and multi-period supply chain, considering uncertainty and market scenarios with a risk approach. Location in the sustainable closed-loop supply chain, considering the risk, and also paying attention to the quality of manufactured products and different scenarios of demand are among the innovations of this research. Due to the NP-Hard nature of the problem, the model is solved by the nondominated sorting genetic algorithm II (NSGA-II). Sensitivity analysis has been performed on the parameters of the problem, and the efficiency of the studied methods has been investigated. The average Pareto points obtained from the first objective function is 56789.9, the average Pareto points for the second objective function is 1828.8 and for the third objective function is 77365.32, and also the average solution time of the model is 15.9 seconds.